16ص
شبکههای عصبی مصنوعی
Artificial Neural Network
چکیده:
شبکههای عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شدهاند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه بسیاری را صرف آن کرده و میکنند. این موضوع با ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیهسازی هرچه بیشتر کامپیوتر به انسان شکل گرفت و تا حال به خوبی پیشرفته است. از جمله کاربردهای این بحث میتوان از شناسایی الگوها, پردازش تصویر و رویت, هوش مصنوعی, کنترل رباتها و موارد بسیار دیگر نام برد. ما در این مقاله پس از مقدمه به مسائل در خور شبکههای عصبی مصنوعی و نیز کاربردهای آن خواهیم پرداخت, در ادامه Perceptron ها را که یکی از مهمترین الگوریتمهای شبکههای عصبی مصنوعی میباشد معرفی میکنیم.
1- مقدمه
1-1- ایده پیدایش شبکههای عصبی مصنوعی
آیا کامپیوتر میتواند همان نوع از محاسباتی را که یک فرد هوشمند انجام میدهد به کار گیرد؟
بسیاری از دانشمندان عقیده داشته ودارند که این بحث باید مورد توجه قرار گیرد. شبکههای عصبی در حل مسائل یک جهت جدید و متمایز نسبت به کامپیترهای عمومی میگشود. کامپیوترهای عمومی از یک الگوریتم استفاده میکنند یعنی برای حل مسائل از یک سری دستورات از پیش تعیین شده پیروی میکنند مگر در مواقع ویژهای که کامپیوتر نیاز به یکسری اطلاعات برای حل مسئله دارد. و همین مسئله توانایی پردازش را از کامپیوترهای عمومی به مسائلی که ما قبلا فهمیدهایم و روش حل آنها را شناختهایم محدود میکند و تنها سرعت عمل و قدرت در حل نمونههای بزرگتر را به همراه دارند. اما کامپیوترها باید به قدری مفید باشند که بتوانند کارهایی را انجام دهند که واقعا ما نمیدانیم چگونه باید آنها را انجام دهیم.
1-2- بررسی سلولهای مغزی افراد
تحقیق درباره سلولهای مغزی افراد و همچنین شناخت Neuron ها یا رشتههای مغزی وبیان یک راه نسبتا متفاوت که یک سیستم هوشمند را بنا میکند شروع شد. مغز بشر متشکل از میلیونها نرون عصبی منحصر بفرد است واین رشتههای عصبی به اشکال و اندازههای مختلف تغییر میکنند.. هر نرون عموما یک هسته دارد و یکسری سلولهای عصبی Axon (آکسون)ـ که علائم خروجی را به سلولهای عصبی نرون دیگر حمل میکنندـ و Dendrite ها (شاخههای سلولهای عصبی). علائم در سلولهای عصبی میان شاخههای سلولهای عصبی ونواحی خروجی جریان دارند.
در اینجا برای حالت برانگیزش باید آشفتگی از یک حدی تجاوز کند که آستانه یا سرحد نامیده میشود و پس از برانگیزش نرونها پیامهایی برای نرونهای دیگر میفرستند و خود را برای دریافت و پاسخ به اطلاعات عمومی آماده میکنند.
مشخصات فایل
عنوان: شبکههای عصبی
قالب بندی :word
تعداد صفحات: 49
محتویات
فصل اول مقدمه
پیشگفتار
تاریخچه پیش بینی بار
ئوس مطالب
فصل 2
انواع پیش بینی بار
پیش بینی بر اساس مقیاس زمانی
پیش بینی بر اساس نحوه عملکرد
الگوی بارو عوامل مؤثر بر آن در سیستم قدرت
عوامل اقتصادی
عوامل اقلیمی
درجه حرارت
رطوبت
سرعت باد
عامل زمانچ
عوامل تصادفی
روشهای پیش بینی بار کوتاه مدت
روشهای قدیمی پیش بینی بار کوتاه مدت
روشهای مبتنی بر بار پیک
روشهای مبتنی بر شکل بار
روش سری زمانی
روش تجزیه طیفی
روش هموارسازی نمایی
روش فضای حالت
رگرسیون
روشهای جدید پیشبینی بار کوتاه مدت
فصل 3
شبکههای عصبی مصنوعی
مقدمه
ویژگیها
قابلیت یادگیری
پراکندگی اطلاعات پردازش اطلاعات بصورت متن
قابلیت تعمیم
پردازش موازی
تاریخچه شبکههای عصبی
شبکه های عصبی طبیعی
شبکه های عصبی مصنوعی
شبکه عصبی چیست؟
مدل درون و معماری شبکه های عصبی مصنوعی
مدل ریاضی نرون
مدل نرون
مدل نرون تک ورودی
نرون چند ورودی
فرم خلاصه شده
توابع انتقال (فعالیت)
تابع فعالیت همانی
تابع پله دو قطبی
توابع سیگموئید
تابع سیگموئید باینری یا سیگموئید لجستیک
تابع سیکموئید دو قطبی و تانژانت هیپر بولیک
شبکه تک لایه
شبکه چند لایه
شبکه های عصبی به عنوان سیستمهای دینامیکی آموزش پذیر
جمع آوری دیتا
نرمالیزه کردن داده ها
انتخاب معماری شبکه عصبی
آموزش شبکه
تست شبکه
انتخاب معماری های متناوب و انجام آموزش جدید
و . . .
عنوان مقاله: شبکههای عصبی
۱-۱ پیشگفتار
انرژی الکتریکی به عنوان محور اصلی توسعه صنعتی در میان انواع انرژی از اهمیت خاصی برخوردار است. این انرژی با آنکه خود به انواع دیگر انرژی وابستگی دارد، اتکا شاخههای مختلف اقتصادی به آن در حدی است که براحتی میتوان حد مصرف معقول این انرژی در یک جامعه را به عنوان شاخص عمدهای برای تعیین حد پیشرفت اقتصادی آن جامعه دانست.
بر خلاف سهولت استفاده از این نوع انرژی و مطلوبیت آن، تولید و انتقال این انرژی از پیچیدگی زیادی برخوردار بوده و در مجموع صنعت برق با ویژگیهایی در میان سایر صنایع شاخص است، از جمله این ویژگیها باید از لزوم همزمانی تولید و مصرف آن نام برد، به عبارت دیگر تولید برق فقط در مقابل مصرف آن مطرح میگردد و بطور معمول قابل ذخیره کردن نیست. دیگر ویژگی این صنعت سرمایه طلب بودن طرحها و پروژههای آن و زمان بر بودن آنها است.
مجموعه این خصوصیات و حساسیتها است که پیشبینی صحیح نیاز مصرف برای این نوع انرژی در آینده را طلب مینماید. چون هرگاه پیشبینی نیاز مصرف یا بار شبکه بیش از حد واقعی باشد، سرمایه گذاری بیهوده در این صنعت را بدنبال خواهد داشت و هر پیش بینی بار کمتر از واقعیت باعث لطمات شدید اقتصادی شده و جبران آن به مناسبت زمان بر بودن پروژههای توسعهای امکانات تولید و انتقال برق، غیر ممکن است.
انرژی الکتریکی در مقیاس وسیع به طور اقتصادی قابل ذخیره نمیباشد. بدین دلیل بر خلاف شاخههای دیگر اقتصاد، در اقتصاد الکتریسیته باید همزمان با مصرف، انرژی الکتریکی تولید گردد. میزان مصرف بار الکتریکی ثابت نمیباشد بلکه به صورت پیچیده و غیر خطی تابعی از پارامترهای متعددی میباشد. با توجه به متغییر بودن میزان مصرف بار الکتریکی، شرکتهای تولید کننده برق، موظفند با پیش بینی آن در زمانبندیهای مختلف اطلاعات مورد نیاز برای تصمیمگیریهای خود در سیستم قدرت را حاصل نماید.
در دنیای خصوصی سازی جدید هر شرکت سعی در افزایش قابلیت اطمینان محصول خود و تولید بهینه توان برای مصرف کنندگان خود دارد. این وظیفه عموماً از طریق پیش بینی فراهم میشود. پیش بینی بارهای ساعتی تا یک هفته جلوتر برای کارهای برنامهریزی از قبیل هماهنگی بین واحدهای آبی و حرارتی و سنجش تبادل با دیگر رقبا و برای آنالیزهای کوتاه مدت از قبیل پخش توان در مراکز دیسپاچینگ و پخش بهینه توان لازم است. به طور کلی پیش بینی بار بر اساس دوره پیش بینی به دستههایی تقسیم میشود :
بار در یک شبکه برقرسانی به مجموع مصارف مختلف انرژی الکتریکی در یک واحد زمانی اتلاق میگردد. بار شبکه به مناسب همزمانی و غیر همزمانی مصرف انرژی در بخشهای مختلف دستخوش تغییراتی در طول شبانه روز، هفته، ماه و سال میگردد.
اگر به یک منحنی تغییرات بار بیستو چهار ساعته در الگوی مصرف انرژی الکتریکی ایران توجه کنیم ملاحظه میشود که منحنی از یک حداقل غیر صفر شروع میشود و پس از عبور از آن، با یک شیب نسبتاً تند به سمت کوهان دوم که بزرگتر از کوهان اول است میل نموده، پس از گذر از آن دوباره به سمت حداقل میل میکند. باید توجه داشت که ظهور این دو کوهان ناشی از همزمانی مصرف انرژی الکتریکی بخشهای مختلف مصرف در طول یک شبانهروز است. جالب توجه است که منحنی تغییرات بار در طول ماه و سال نیز تقریباً روند مشابهی با تغییرات بار بیست و چهار ساعته دارد. در مطالعه بار بخصوص در پیش بینی بار اعم از پیشبینی بار ساعتی روزانه جهت تنظیم برنامه بهرهبرداری از نیروگاهها تا بار ماههای سال برای تنظیم برنامه تعمیرات منظم و دورهای و بارهای سالهای آینده برای برنامهریزی توسعهای این متغیرها و عوامل مؤثر در پیدایش آنها مورد توجه قرار میگیرد.
منحنی مصرف برای مصرف کننده کاملاً تصادفی و غیر مشخص بوده وقابل پیشبینی نیست و از سوی دیگر، هر مجموعه خاص از مصرف کنندهها منحنی مصرف مخصوص به خود را دارا است، همچنین مصرف بار الکتریکی تابعی کاملاً غیر خطی و بسیار پیچیده از پارامترهایی از جمله شرایط آب و هوایی، شرایط اقتصادی، زمان و عوامل تصادفی میباشد. همچنین تقریباً هر روز هفته منحنی خاص خود را دارد. لذا مدل مورد نظر باید توانایی این کار راد اشته باشد که اثر تمامی این عوامل را بر منحنی مصرف در نظر بگیرد، همچنین بایستی خطای پیش بینی تا حدامکان کم باشد، از طرفی دارای ساختاری ساده باشد و در کوتاهترین زمان ممکن به جواب نهایی برسد، و از همه مهمتر اینکه استفاده از آن برای برنامهریزان و اپراتورها ساده باشد. لذا با توجه به اهمیت پیش بینی بار کوتاه مدت و خواصی که برای یک برنامه ریزان و اپراتورها ساده باشد. لذا با توجه به اهمیت پیش بینی بار کوتاه مدت و خواصی که برای یک برنامه پیشبینی بار بر شمردیم، روشهای مختلفی در این زمینه ارائه شده است که هر یک به نوعی دارای برخی کاستیها (و بخصوص در پیش بینی روزهای تعطیل) بودند، با وارد شدن شبکههای عصبی در این عرصه تقریباً تمامی مدلها وروشهای قبلی کنار گذاشته شد، چراکه این شبکهها دارای تواناییهای بسیار زیادی رد بیان روابط غیر خطی میباشند. در شکل صفحه بعد موارد استفاده پیشبینی بار کوتاه مدت آمده است.
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 11 اسلاید
______________________________________________
قسمتی از متن .ppt :
کنترل عصبی-تطبیقی بازوی انعطاف پذیر
کنترل عصبی-تطبیقی بازوی انعطاف پذیر
هدف، حرکت دادن دو بازوی سری انعطاف پذیر است به طوری که ارتعاش بازوها به حداقل برسد
از شبکه عصبی RBF برای تعیین گشتاور بازوها استفاده شده است.
کنترل عصبی سیستم کولر خودرو
هدف، تنظیم دمای داخل اتاق خودرو است به طوری خاموش و روشن شدن کمپرسور به حداقل برسد
از شبکه عصبی RBF برای تعیین دور کمپرسور استفاده شده است.
بازشناسی چهره با استفاده از شبکه های عصبی
استخراج ویژگی ها
کلاسه بندی
هدف، ذخیره سازی چهره اشخاص و بازشناسی آن ها در حالت هایی متفاوت از چهره های ذخیره شده است.
به دلیل حجم بسیار بالای داده ها، نیاز به فشرده سازی با استفاده از استخراج ویژگی ها است (مثلاً شبکه هب).
از شبکه ای شبیه به شبکه MLP برای ذخیره سازی و باز سازی چهره استفاده شد.
. . .
مشخصات فایل
عنوان: پاورپوینت درمورد سیستم عصبی
قالب بندی: پاورپوینت
تعداد اسلاید: 93
محتویات
مروری بر آناتومی و فیزیولوژی
عملکرد سیستم عصبی
سلولهای سیستم عصبی
NEURON
انتقال دهنده های عصبی
سیستم عصبی مرکزی ( CNS)
نیمکره مغز
مخ
جمجمه
SKULL
تالاموس
هیپوفیز
ارتباط هیپوفیز و هیپوتالاموس
تالاموس – هیپوتالاموس – مخچه
ساقه مغز
brain stem
بصل النخاع
مخچه
cerebellum
اندامهای محافظ مغز
مایع مغزی – نخاعی
c.s.f
جریان خون مغز
شریانها
Arterials brain
وریدها ی مغزی
سد خونی – مغزی
آناتومی طناب نخاعی
spinal cord
مقطع نخاع
پردههای نخاع
ساختمان تشریحی ماده سفید نخاع
و . . .
قسمتی از پاورپوینت
مروری بر آناتومی و فیزیولوژی
کنترل کلیه فعالیتهای:
حسی – حرکتی – خودکار – ادراکی و رفتاری انسان
مغز 2 درصد کل بدن را تشکیل میدهد
مشخصات فایل
عنوان: پاورپوینت درمورد مدلسازی درد با استفاده از شبکههای عصبی مصنوعی
قالب بندی: پاورپوینت
تعداد اسلاید: 38
محتویات
فهرست
تعریف درد
درد: احساس ناخوشایند در منطقة خاصی از بدن
هشدار بدن در برابر اختلال
گیرندةدرد nociceptor (دریافت کنندة آسیب)
محرکهای دریافتی بدن
انواع درد
سریع
حس 0.1 ثانیه بعد از تحریک
درد سریع، تیز، گزشی، حاد و الکتریکی
درد هنگام بریده شدن دست
عدم وجود در بافت های عمقی بدن
رشتة Aδ
قطر آکسون 1 تا ٥ میکرومتر
سرعت 1 میلی ثانیه
آهسته
حس ١ تا ٢ ثانیه بعد از تحریک
دو نوع است: سوزشی و مبهم (مزمن)
دردی طاقت فرسا
همراه با انهدام بافت
رشتة C (بدون میلین)
قطر آکسون 0.25 تا 1.5 میکرومتر
سرعت 5 میلی ثانیه
و . . .